CN118097571A - 拥堵道路的确定方法、装置、存储介质及电子装置 - Google Patents

Abstract

本发明实施例提供了一种拥堵道路的确定方法、装置、存储介质及电子装置，该方法包括：获取由第一组图像采集设备采集到的第一组道路图像，对第一组道路图像进行识别，确定第一组道路中每条道路的道路覆盖比例，将道路覆盖比例满足预设条件的道路确定为目标拥堵道路，并获取由第二组图像采集设备针对目标拥堵道路采集到的第二组道路图像，对第二组道路图像进行分析，确定目标拥堵道路的拥堵源头，以确定造成目标拥堵道路发生拥堵的位置，再根据拥堵源头确定目标拥堵道路的拥堵类型，通过本发明，解决了相关技术中存在的道路拥堵计算的准确率较低的问题。

Description

拥堵道路的确定方法、装置、存储介质及电子装置

技术领域

本发明实施例涉及计算机领域，具体而言，涉及一种拥堵道路的确定方法、装置、存储介质及电子装置。

背景技术

目前，用于确定道路拥堵的计算及治理方案往往通过套用固定算法实现，过于依赖过往交通历史数据，无法考虑概率性的突发事件，而利用等待信号灯时间长度来计算拥堵，对于信号灯时间设置要求高，人力成本大且应用效果并不好，导致道路拥堵的计算准确性低，在道路拥堵治理中无法满足实际的业务需求。

针对相关技术中存在的道路交通拥堵的计算准确率较低的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种拥堵道路的确定方法、装置、存储介质及电子装置，以至少解决相关技术中存在的道路交通拥堵的计算准确率较低的问题。

根据本发明的一个实施例，提供了一种拥堵道路的确定方法，包括：获取由第一组图像采集设备采集到的第一组道路图像，其中，所述第一组道路图像包括待识别的对象；对所述第一组道路图像进行识别，根据各个道路图像中识别到的对象与所处道路的对应关系确定第一组道路中每条道路对应的道路覆盖比例，其中，所述道路覆盖比例用于表示对应道路上的对象面积和道路面积之间的比值，所述对象面积表示所述对象在所述对应道路上所覆盖的面积，所述道路面积表示所述对应道路的面积，所述第一组道路图像与所述第一组道路具有对应关系；将所述道路覆盖比例满足预设条件的道路确定为目标拥堵道路，并获取由第二组图像采集设备针对所述目标拥堵道路采集到的第二组道路图像；对所述第二组道路图像进行分析，确定所述目标拥堵道路的拥堵源头，并根据所述拥堵源头确定所述目标拥堵道路的拥堵类型，其中，所述拥堵源头用于确定造成所述目标拥堵道路发生拥堵的道路位置，所述拥堵类型包括所述拥堵源头处于所述目标拥堵道路的内部或外部。

根据本发明的另一个实施例，提供了一种拥堵道路的确定装置，包括：第一获取模块，用于获取由第一组图像采集设备采集到的第一组道路图像，其中，所述第一组道路图像包括待识别的对象；识别模块，用于对所述第一组道路图像进行识别，根据各个道路图像中识别到的对象与所处道路的对应关系确定第一组道路中每条道路对应的道路覆盖比例，其中，所述道路覆盖比例用于表示对应道路上的对象面积和道路面积之间的比值，所述对象面积表示所述对象在所述对应道路上所覆盖的面积，所述道路面积表示所述对应道路的面积，所述第一组道路图像与所述第一组道路具有对应关系；第二获取模块，用于将所述道路覆盖比例满足预设条件的道路确定为目标拥堵道路，并获取由第二组图像采集设备针对所述目标拥堵道路采集到的第二组道路图像；分析模块，用于对所述第二组道路图像进行分析，确定所述目标拥堵道路的拥堵源头，并根据所述拥堵源头确定所述目标拥堵道路的拥堵类型，其中，所述拥堵源头用于确定造成所述目标拥堵道路发生拥堵的道路位置，所述拥堵类型包括所述拥堵源头处于所述目标拥堵道路的内部或外部。

可选地，所述装置通过如下方式对所述第一组道路图像进行识别，确定第一组道路中每条道路的道路覆盖比例：对所述第一组道路图像进行识别，确定所述第一组道路中每条道路上存在的对象数量；根据单位对象面积和所述对象数量确定所述第一组道路中每条道路上对象所占用的对象总面积；获取所述第一组道路中每条道路的道路面积；将目标道路对应的所述对象总面积和所述目标道路对应的道路面积的比值确定为所述目标道路关联的目标道路覆盖比例，以确定所述第一组道路中每条道路的道路覆盖比例。

可选地，所述装置通过如下方式对所述第一组道路图像进行识别，确定所述第一组道路中每条道路上存在的对象数量：其中，每次进行识别的采集图像视为当前采集图像，获取所述当前采集图像对应的当前采集设备的部署位置，其中，所述第一组采集设备包括所述当前采集设备；在所述部署位置表示非路口位置的情况下，将所述当前采集图像识别到的对象确定为处于所述当前采集图像对应的道路；在所述部署位置表示路口位置的情况下，将所述当前采集图像识别到的对象确定为处于所述当前采集图像对应的道路的第一下游道路，其中，所述第一下游道路根据所述当前采集图像识别到的对象所在车道的行驶方向确定。

可选地，所述装置通过如下方式对所述第一组道路图像进行识别，确定所述第一组道路中每条道路上存在的对象数量：在目标数据库中第一对象数据已存在，且获取到第二对象数据的情况下，使用所述第二对象数据替换所述目标数据库中的所述第一对象数据，其中，所述第一对象数据用于指示在第一时刻识别到的对象数据，所述第二对象数据用于指示在第二时刻识别到的对象数据，所述第二时刻晚于所述第一时刻，所述对象数据用于指示识别到的对象在对应时刻所处的道路；在获取到所述第二对象数据，且所述目标数据库中未存在所述第一对象数据的情况下，将所述第二对象数据添加至所述目标数据库。

可选地，所述装置通过如下方式将所述道路覆盖比例满足预设条件的道路确定为目标拥堵道路，并获取由第二组图像采集设备针对所述目标拥堵道路采集到的第二组道路图像：获取预先设置的拥堵道路阈值，其中，所述拥堵道路阈值用于与所述道路覆盖比例进行比较，以确定所述目标拥堵道路；在所述目标道路覆盖比例与所述拥堵道路阈值之间的取值关系满足所述预设条件的情况下，将所述目标道路确定为所述目标拥堵道路；根据所述目标拥堵道路获取由所述第二组图像采集设备采集到的所述第二组道路图像。

可选地，所述装置通过如下方式对所述第二组道路图像进行分析，确定所述目标拥堵道路的拥堵源头，并根据所述拥堵源头确定所述目标拥堵道路的拥堵类型：其中，每次进行分析的道路图像视为当前分析图像，所述当前分析图像与当前分析道路对应，对所述当前分析图像中各个对象在所述当前分析道路所处位置进行分析，确定所述拥堵源头是否处于所述当前分析道路内部；在所述拥堵源头未处于所述当前分析道路内部，且所述当前分析道路的第二下游道路属于所述目标拥堵道路的情况下，将所述第二下游道路重新确定为所述当前分析道路进行分析，直到所述拥堵源头处于所述当前分析道路内部或者所述第二下游道路不属于所述目标拥堵道路；在所述拥堵源头处于所述当前分析道路内部的情况下，将所述当前分析道路确定为异常拥堵道路，其中，所述异常拥堵道路表示道路发生拥堵的原因在于所述当前分析道路的内部发生了异常事件，所述拥堵类型包括所述异常拥堵道路；在所述第二下游道路不属于所述目标拥堵道路的情况下，将所述当前分析道路确定为常规拥堵道路，其中，所述常规拥堵道路表示道路发生拥堵的原因在于所述当前分析道路的上游道路发生了拥堵，所述拥堵类型包括所述常规拥堵道路。

可选地，所述装置还用于：所述根据所述拥堵源头确定所述目标拥堵道路的拥堵类型之后，在预设显示区域按照不同显示策略显示所述目标拥堵道路，其中，所述显示策略与所述目标拥堵道路的拥堵类型相关；在所述拥堵类型指示为异常拥堵道路的情况下，显示所述拥堵源头关联的第一视频图像；在所述拥堵类型指示为所述常规拥堵道路的情况下，显示所述上游道路关联的第二视频图像。

根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

通过本发明，采用获取由第一组图像采集设备采集到的第一组道路图像，其中，所述第一组道路图像包括待识别的对象；对第一组道路图像进行识别，根据各个道路图像中识别到的对象与所处道路的对应关系确定第一组道路中每条道路的道路覆盖比例，该道路覆盖比例用于表示对应道路上的对象面积和道路面积之间的比值，对象面积表示对象在对应道路上所覆盖的面积，道路面积表示对应道路的面积，将道路覆盖比例满足预设条件的道路确定为目标拥堵道路，并获取由第二组图像采集设备针对目标拥堵道路采集到的第二组道路图像，对第二组道路图像进行分析，确定目标拥堵道路的拥堵源头，并根据拥堵源头确定目标拥堵道路的拥堵类型的方式，也即，通过第一组图像采集设备采集道路图像，确定每条道路的道路覆盖比例，根据道路覆盖比例判断道路是否拥堵，再通过第二组图像采集设备采集已经被确定为拥堵的目标道路图像，进行图像分析，确定拥堵道路的拥堵点位置以及拥堵类型，解决了相关技术中道路交通拥堵的计算准确率较低的问题，达到了提高交通拥堵治理效率和安全性的技术效果。

附图说明

图1是本发明实施例的一种拥堵道路的确定方法的移动终端的硬件结构框图；

图2是根据本发明实施例的一种拥堵道路的确定方法的流程图；

图3是根据本发明实施例的一种拥堵道路的确定方法的具体示例的示意图；

图4是根据本发明实施例的另一种拥堵道路的确定方法的示意图；

图5是根据本发明实施例的又一种拥堵道路的确定方法的示意图；

图6是根据本发明实施例的又一种拥堵道路的确定方法的示意图；

图7是根据本发明实施例的又一种拥堵道路的确定方法的示意图；

图8是根据本发明实施例的又一种拥堵道路的确定方法的示意图；

图9是根据本发明实施例的一种拥堵道路的确定装置的结构框图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明的实施例。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种拥堵道路的确定方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的城市交通拥堵计算及治理方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

结合图1所示，上述拥堵道路的确定方法可以在输入输出设备108上通过如下步骤实现：

S1，在输入输出设备108上获取由第一组图像采集设备采集到的第一组道路图像，其中，第一组道路图像包括待识别的对象；

S2，对所述第一组道路图像进行识别，在输入输出设备108上根据各个道路图像中识别到的对象与所处道路的对应关系确定第一组道路中每条道路对应的道路覆盖比例，其中，道路覆盖比例用于表示对应道路上的对象面积和道路面积之间的比值，对象面积表示对象在对应道路上所覆盖的面积，道路面积表示对应道路的面积，第一组道路图像与第一组道路具有对应关系；

S3，将道路覆盖比例满足预设条件的道路确定为目标拥堵道路，并在输入输出设备108上获取由第二组图像采集设备针对目标拥堵道路采集到的第二组道路图像；

S4，对第二组道路图像进行分析，在输入输出设备108上对第二组道路图像进行分析，确定目标拥堵道路的拥堵源头，并根据拥堵源头确定目标拥堵道路的拥堵类型，其中，拥堵源头用于确定造成目标拥堵道路发生拥堵的道路位置，拥堵类型包括拥堵源头处于目标拥堵道路的内部或外部。

可选地，在本实施例中，上述拥堵道路的确定方法还可以通过处理器实现，例如，图1所示的处理器102中实现；或由输入输出设备和处理器共同实现。

上述仅是一种示例，本实施例不做具体的限定。

可选地，作为一种可选的实施方式，图2是根据本发明实施例的一种拥堵道路的确定方法的流程图，如图2所示，该流程包括如下步骤：

S202，获取由第一组图像采集设备采集到的第一组道路图像，其中，第一组道路图像包括待识别的对象；

可选地，在本实施例中，上述第一组图像采集设备可以包括但不限于道路监控摄像头、反恐监控设备、过车抓拍设备、公路收费设备等，上述第一组道路图像可以包括但不限于高速公路图像、快速道路图像、城市道路图像、农村道路图像、山区道路图像等。

具体而言，处于上述第一组道路图像中的对象可以包括但不限于道路、车辆、行人、红绿灯、路标、车辆行驶方向标识等，其中，以车辆为例，车辆类型可以包括但不限于小轿车、货车、摩托车等。

需要说明的是，上述第一组图像采集设备可以部署在包括但不限于道路路口位置、停车场出入口、道路路中位置等，且对于上述第一组图像采集设备的数量不作限定，也即，一条道路上可以部署多个图像采集设备。

示例性地，通过上述第一组图像采集设备进行第一组道路图像的采集，单独的图像采集设备可以采集多张同一道路的道路图像，也可以只采集某一道路位置的一张道路图像。

在一个示例性的实施例中，一条道路上部署了多个图像采集设备，即上述第一组图像采集设备，图3是根据本发明实施例的一种拥堵道路的确定方法的具体示例的示意图，如图3所示：在一条道路上，由上游路口图像采集设备302、下游路口图像采集设备304、以及路中图像采集设备306组成上述第一组图像采集设备。

其中，位于路口的图像采集设备在一个小时内采集了100张当前道路路口的路口道路图像，位于路中的另一图像采集设备在一个小时内采集了20张当前道路路口的路中道路图像，也就是说，在这一小时内，上述第一组道路图像包括上述100张路口道路图像以及上述20张路中道路图像。

S204，对第一组道路图像进行识别，根据各个道路图像中识别到的对象与所处道路的对应关系确定第一组道路中每条道路对应的道路覆盖比例，其中，道路覆盖比例用于表示对应道路上的对象面积和道路面积之间的比值，对象面积表示对象在对应道路上所覆盖的面积，道路面积表示对应道路的面积，第一组道路图像与第一组道路具有对应关系；

可选地，在本实施例中，上述第一组道路可以包括但不限于高速公路道路、快速道路、城市道路、农村道路、山区道路等，上述道路覆盖比例用于确定道路是否构成拥挤。

需要说明的是，上述第一组道路可以包括多条道路，例如，一个城市中不同市区的各大主干道路以及其他分支道路。

示例性地，上述第一组道路图像是通过部署在上述第一组道路上的第一图像采集设备采集到的，也就是说，上述第一组道路图像与上述第一组道路对应，上述第一组道路图像中包括上述第一组道路的不同道路上的对象，例如行驶在上述第一组道路上的车辆、行人等。

具体而言，以智能交通领域的一条道路为例，该智能交通领域可以是应用人工智能、物联网、大数据等技术，在交通运输领域进行智能化改造和优化的一门学科，通过自动化和智能化技术，提高交通***的效率、安全性和可持续性，智能交通领域可以但不限于包括以下几个方面的研究和应用：交通管理，利用智能技术对交通流进行监测、预测和调度，优化交通信号控制，减少拥堵和交通事故，提高交通效率；智能驾驶，通过引入自动驾驶技术，实现车辆的自主导航和自动控制，提高驾驶安全性和舒适性；交通信息服务，通过收集、处理和分析交通数据，提供实时的交通信息和导航服务，帮助车辆和行人选择最佳路线和出行方式；交通安全监测，利用智能摄像头、传感器等设备，对道路上的交通情况进行监测和分析，及时发现交通违法行为和事故隐患；公共交通优化，通过智能调度和分析技术，提高公共交通线路的运营效率和服务质量，提升市民出行体验；交通大数据分析，通过对交通数据的挖掘和分析，发现交通规律和趋势，为交通规划和决策提供科学依据；智能交通***集成，将各种智能交通技术进行整合和协同，构建高效、智能的交通***，在该道路上，汽车正行驶在红绿灯右侧，而行人正在斑马线上等待，那么上述第一组道路图像中的一张图像上就会同时出现汽车以及行人，在另一张图像上只会出现汽车。以上只是一种示例，本实施例对此不作任何限定。

示例性地，对上述第一组道路图像进行图像识别可以理解为对上述第一组道路中不同的道路获取到的道路图像进行图像识别，可以通过如下方式进行，包括但不限于目标检测算法、目标分割算法等，其中，上述第一组道路图像可以包括多张上述第一组道路的不同位置道路图像，均由上述第一组图像采集设备进行采集，对于第一组道路图像中的多张道路图像依次进行单独图像识别。

需要说明的是，首先，目标检测算法是计算机视觉领域中的一种技术，旨在从图像或视频中检测出感兴趣的目标物体，并标记出其位置和类别。目标检测算法通常可以分为两个主要步骤：候选区域生成和目标分类，其中，候选区域生成：生成一系列可能包含目标的候选区域，这些候选区域可以是图像中的矩形框或者多边形区域，常见的候选区域生成方法包括滑动窗口、图像分割和区域建议等，目标分类：生成的候选区域会被送入目标分类器中进行分类，判断其是否为感兴趣的目标物体，常见的目标分类算法包括支持向量机、卷积神经网络、决策树等；其次，目标分割算法是计算机视觉领域中的另一种技术，旨在将图像中的每个像素分配给不同的目标类别，从而实现对目标的精确分割，目标分割算法通常可以分为两个主要步骤：像素级分类和分割，其中，像素级分类：目标分割算法首先会对图像中的每个像素进行分类，判断该像素属于哪个目标类别或者背景。常见的像素级分类算法包括FCN(Fully Convolutional Network)等，分割：生成的像素级分类结果会被进一步处理，通过一些方法将其转换为目标的精确分割结果，常见的分割方法包括基于边缘的分割、基于区域的分割和基于图割的分割等。

需要说明的是，上述第一组道路包括多条道路，每条道路上存在车辆和行人等对象，上述对应关系可以理解为，对象处于具体的某一条道路上，或者，某一条道路上存在的对象数量，对象类型等。例如，采集到道路A的图像中包括2个车辆对象，即道路A相对应的存在2个车辆对象，采集到道路B的图像中包括3个车辆对象和1个行人对象，即道路B相对应的存在3个车辆对象和1个行人对象。

在一个示例性的实施例中，采用目标检测算法作为上述第一组道路图像的图像识别方式，例如，第一组道路图像中包括其中一条道路的一张路中道路图像，对这张路中道路图像进行目标检测，其中，通过检测路中道路图像得到处于道路中的道路对象，该道路对象包括：2辆汽车、1辆摩托车，以及3个行人，可以通过如下方式对上述道路对象进行位置的标记以及类型的判别，得到上述第一组道路图像的目标检测图像识别结果，以该目标检测图像识别结果确定上述第一组道路的道路覆盖比例。

进一步地，根据上述第一组道路图像的目标检测图像识别结果，由目标检测图像识别结果中的道路对象数量和上述第一组道路的道路面积进行上述道路覆盖比例的计算，例如，不区分车辆类型，设置该道路对象中的单个车辆(两辆汽车、一辆摩托车)的单位占地面积均为30m²，单个行人的单位占地面积均为3m²，也就是说，此时对象占地总面积为3辆车以及3个行人占地面积的总和，即该道路对象占地总面积为909m²，而该道路的道路面积为2000m²，也就是说，该道路的道路面积大于对象占地总面积，此时该道路被认定为不拥挤道路；再例如，区分车辆类型，设置该道路对象中的汽车单位占地面积为30m²，摩托车单位占地面积均为10m²，单个行人的单位占地面积均为3m²，也就是说，此时对象占地总面积为2辆汽车、1辆摩托车以及3个行人占地面积的总和，即该道路对象占地总面积为619m²，而该道路的道路面积为2000m²，也就是说，该道路的道路面积大于对象占地总面积，此时该道路同样被认定为不拥挤道路。

在又一个示例性的实施例中，采用目标分割算法依次对第一组道路其中一条道路的图像的单个图像进行图像识别，将单个图像的像素点分配给不同的目标类别，例如，第一组道路图像中包括一张路中道路图像，对该路中道路图像进行目标分割，其中，通过检测路中道路图像得到处于道路中的道路对象，该道路对象包括：3辆汽车、2辆摩托车，以及1个行人，可以通过如下方式对上述道路对象进行类型的判别，得到上述第一组道路图像的目标分割图像识别结果，以该目标分割图像识别结果确定上述第一组道路的道路覆盖比例。

具体而言，上述第一组道路图像的目标分割图像识别结果可以包括但不限于道路对象数量和第一组道路对应的道路面积，将该目标分割图像识别结果中的道路对象数量与道路面积的比值确定为上述道路覆盖比例，例如，道路对象数量为10，道路面积为20，上述道路覆盖比例即为0.5。

示例性地，由目标分割图像识别结果中的道路对象数量和上述第一组道路的道路面积进行上述道路覆盖比例的计算，其中，上述目标分割图像识别结果中包括上述路中道路图像，其中，以区域A表示车辆占地区域，区域B表示行人占地区域，换句话说，在上述目标分割图像识别结果中，区域A包括3辆汽车、2辆摩托车，区域B包括1个行人，同时可以在上述目标分割图像识别结果中直接获取区域A的占地面积为1000m²，以及区域B的占地面积为3m²，将区域A以及区域B的占地面积之和确定为上述对象占地总面积，即对象占地总面积为1003m²，此时，道路面积为1000m²，也就是说，该道路的道路面积小于对象占地总面积，该道路被认定为拥挤道路。

S206，将上述道路覆盖比例满足预设条件的道路确定为目标拥堵道路，并获取由第二组图像采集设备针对上述目标拥堵道路采集到的第二组道路图像；

可选地，在本实施例中，上述预设条件可以包括但不限于当前道路车辆数量大于道路容纳车辆的最大数量、当前道路车辆的覆盖面积大于道路容纳车辆的最大面积、当前道路车辆以及行人的数量大于道路容纳车辆以及行人的最大数量、当前道路车辆以及行人的覆盖面积大于道路容纳车辆以及行人的最大面积等。

示例性地，在通过对上述第一组道路图像进行图像识别后，确定上述第一组道路当前的车辆总数量，根据已知的不同类型的车辆面积以及对应的上述第一组道路当前的不同车辆总数量，进行车辆总面积的计算，得到最终的车辆占地总面积，将该车辆占地总面积与预先设置好的上述第一组道路面积进行对比。

例如，上述第一组道路当前的车辆总面积大于上述第一组道路的道路面积，即认定上述第一组道路为上述目标拥堵道路，第二组图像采集设备进行上述第一组道路的图像采集，再例如，上述第一组道路当前的车辆总面积小于上述第一组道路的道路面积，即认定上述第一组道路为不拥堵道路，第二组图像采集设备不对上述第一组道路进行图像采集。

在一个示例性的实施例中，只有上述第一组道路被认定为拥堵道路，第二组图像采集设备才会对上述第一组道路进行第二组道路图像的采集。

可选地，在本实施例中，上述目标拥堵道路可以包括但不限于高速公路道路、快速道路、城市道路、农村道路、山区道路等，上述第二组图像采集设备可以包括但不限于道路监控摄像头、反恐监控设备、过车抓拍设备、公路收费设备等。

需要说明的是，上述第二组图像采集设备的图像采集能力高于上海苏第一组图像采集设备，也即，第一组图像采集设备采集的图像的分辨率不超过上述第二组图像采集设备采集的图像的分辨率。

具体而言，处于上述第二组道路图像中的对象可以包括但不限于道路、车辆、行人、红绿灯、路标、车辆行驶方向标识等，其中，车辆类型可以包括但不限于小轿车、货车、摩托车等。

在一个示例性的实施例中，图4是根据本发明实施例的另一种拥堵道路的确定方法的具体示例的示意图，如图4所示：

道路402当前的车辆总面积大于道路402的道路面积，此时道路402被认定为拥堵道路，由第二组图像采集设备404进行第二组道路图像的采集，道路406当前的车辆总面积小于道路406的道路面积，此时道路406被认定为不拥堵道路。

需要说明的是，上述道路402当前的车辆总面积与道路402的道路面积的差值小于预设阈值时，也可将道路402认定为拥堵道路。

S208，对上述第二组道路图像进行分析，确定上述目标拥堵道路的拥堵源头，并根据上述拥堵源头确定上述目标拥堵道路的拥堵类型，其中，上述拥堵源头表示造成上述目标拥堵道路发生拥堵的道路位置。

可选地，在本实施例中，上述拥堵源头包括但不限于交通事故发生的位置、道路施工作业的位置、不文明驾驶行为发生的位置等，上述拥堵类型可以包括但不限于常规拥堵、异常拥堵，其中，异常拥堵可以包括但不限于由于交通事故引起的道路拥堵、由于道路施工作业引起的道路拥堵、由于商贩占道经营引起的道路拥堵等，根据拥堵类型可以获取拥堵源头的所处位置，包括但不限于处于目标拥堵道路的内部或者处于目标拥堵道路的外部，例如，目标拥堵道路的拥堵类型为目标拥堵道路正在进行施工作业所导致的拥堵，拥堵源头处于目标拥堵道路内部，或者，目标拥堵道路的拥堵类型为目标拥堵道路的上游道路导致的拥堵，拥堵源头处于目标拥堵道路的上游道路，也即，拥堵源头处于目标拥堵道路外部。

示例性地，对于上述第二组道路图像可以进行车流密度和速度分析、交通流量统计与热力图分析、交通事故检测与分析、道路网络拓扑分析等。

在一个示例性的实施例中，图5是根据本发明实施例的又一种拥堵道路的确定方法的具体流程示意图，如图5所示：

S502，第一组图像采集设备在第一组道路上采集第一组道路图像，包括多张第一组道路中不同道路上的不同位置或者相同位置的行人以及车辆；

S504，将当前道路图像上传至大数据接入服务；

S506，在大数据接入服务对当前道路图像进行图像识别，获取当前道路覆盖比例，进而判断是否为拥堵道路；

S508-1，当前道路未认定为拥堵道路的情况下，结束这次道路拥堵判别，进行下一次的道路拥堵判别，重复S502至S506的步骤；

S508-2，当前道路被认定为拥堵道路的情况下，第二组图像开始采集设备采集第二组道路图像，其中，第二组道路图像针对的是已经被认定为拥堵的道路；

S510-1，当前道路未认定为异常拥堵道路的情况下，进入常规拥堵展示中心；

S510-2，当前道路被认定为异常拥堵道路的情况下，进入异常拥堵展示中心；

S512，将当前道路的拥堵数据存入目标数据库；

通过本申请实施例，采用获取由第一组图像采集设备采集到的第一组道路图像，其中，所述第一组道路图像包括待识别的对象；对第一组道路图像进行识别，根据各个道路图像中识别到的对象与所处道路的对应关系确定第一组道路中每条道路的道路覆盖比例，将道路覆盖比例满足预设条件的道路确定为目标拥堵道路，并获取由第二组图像采集设备针对目标拥堵道路采集到的第二组道路图像，对第二组道路图像进行分析，确定目标拥堵道路的拥堵源头，并根据拥堵源头确定目标拥堵道路的拥堵类型的方式，也即，通过第一组图像采集设备采集道路图像，确定每条道路的道路覆盖比例，根据道路覆盖比例判断道路是否拥堵，再通过第二组图像采集设备采集已经被确定为拥堵的目标道路图像，进行图像分析，确定拥堵道路的拥堵点位置以及拥堵类型，解决了相关技术中存在的由于缺乏准确的拥堵指数，导致城市交通拥堵计算准确率低的问题，达到提高城市交通治理效率和安全性的技术效果。

作为一种可选的方案，对上述第一组采集图像进行识别，确定第一组道路中每条道路的道路覆盖比例，包括：对上述第一组采集图像进行识别，确定上述第一组道路中每条道路上存在的对象数量；根据单位对象面积和上述对象数量确定上述第一组道路中每条道路上对象所占用的对象总面积；获取上述第一组道路中每条道路的道路面积；将目标道路对应的上述对象总面积和上述目标道路对应的道路面积的比值确定为上述目标道路关联的目标道路覆盖比例，以确定上述第一组道路中每条道路的道路覆盖比例。

可选地，在本实施例中，上述对象数量可以包括但不限于道路上的车辆总数量、道路上的行人总数量等，上述目标道路处于上述第一组道路中，也就是说上述第一组采集图像的内容包括上述目标道路。

需要说明的是，通过对上述第一组采集图像进行识别，得到识别结果。根据该识别结果就可以确定上述第一组道路中的每条道路上存在的对象数量，可以理解为，上述第一组道路可以包括多条道路，上述第一组采集图像中的道路对应于上述第一组道路的道路，依次对上述第一组采集图像的每张图像进行图像识别，得到第一组道路对应不同道路的对象数量，根据单位对象面积和上述对象数量确定上述第一组道路中每条道路上对象所占用的对象总面积，其中，单位对象面积是预先设置好的。

示例性地，将已经获取到的上述目标道路的对象总面积和上述目标道路对应的道路面积的比值确定为上述目标道路关联的目标道路覆盖比例，其中，上述目标道路对应的道路面积是预先设置好的，可以进行灵活调整。可以理解为，依次将上述第一组道路中的道路确定为目标道路，计算出对应的目标道路覆盖路，即可得知，上述第一组道路的拥堵情况。

通过本申请实施例，采用对上述第一组采集图像进行识别的方式，确定上述第一组道路中每条道路上存在的对象数量；根据单位对象面积和上述对象数量确定上述第一组道路中每条道路上对象所占用的对象总面积；获取上述第一组道路中每条道路的道路面积；将目标道路对应的上述对象总面积和上述目标道路对应的道路面积的比值确定为上述目标道路关联的目标道路覆盖比例，以确定上述第一组道路中每条道路的道路覆盖比例，达到了减少交通事故和拥堵的技术效果，改善了人们的出行体验。

作为一种可选的方案，对上述第一组采集图像进行识别，确定上述第一组道路中每条道路上存在的对象数量，包括：通过如下方式对上述第一组采集图像进行识别，确定上述第一组道路中每条道路上存在的对象数量，其中，每次进行识别的采集图像视为当前采集图像：获取上述当前采集图像对应的当前采集设备的部署位置，其中，上述第一组采集设备包括上述当前采集设备；在上述部署位置表示非路口位置的情况下，将上述当前采集图像识别到的对象确定为处于上述当前采集图像对应的道路；在上述部署位置表示路口位置的情况下，将上述当前采集图像识别到的对象确定为处于上述当前采集图像对应的道路的第一下游道路，其中，上述第一下游道路根据上述当前采集图像识别到的对象所在车道的行驶方向确定。

示例性地，上述第一组图像采集设备当前采集到的图像被确定为第一组道路图像，将该图像视为当前采集图像，获取上述当前采集图像的当前第一图像采集设备所在道路的对应位置，也就是说，需要获取采集到当前采集图像的图像采集设备对应部署的道路位置，该图像采集设备是上述第一组图像采集设备中的一个，被部署在上述第一组道路中的某一道路上。

需要说明的是，上述当前采集图像对应的道路的第一下游道路可以有多条，在确定上述当前采集图像识别到的对象所处于的对应道路时，需要对上述对象转向不同第一下游道路的概率进行比较，将上述对象所处于的道路确定为概率最大的第一下游道路。

在一个示例性的实施例中，图4是根据本发明实施例的另一种拥堵道路的确定方法的具体流程示意图，如图4所示：

在图像采集设备404采集到上述当前采集图像中可以得知，车辆B以及车辆A行驶在道路402上，车辆C以及车辆D行驶在道路406上，车辆B只能左转至道路406、车辆A只能直行、车辆C可以直行在道路406上，也可以左转至道路402，车辆D只能右转，若上述图像采集设备404部署在非路口位置，那么车辆B以及车辆A处于道路402，车辆C以及车辆D处于道路406，假设上述图像采集设备404部署在路口位置，那么车辆B处于道路402的第一下游道路，也就是道路406，车辆A处于道路402，车辆D处于道路406，而车辆C由于有多条行驶方向，即车辆C将可能处于道路402，也可能处于道路406，若车辆C继续直行在道路406上的概率为30％，左转至道路402的概率为70％，即将车辆C的对应道路确定为概率大的一方，车辆C处于道路402。

可选地，在本实施例中，上述行驶方向可以包括但不限于直行、左转、右转、掉头、左转直行、右转直行等，也就是说，上述第一下游道路可以是直行道路、左转道路、右转道路、掉头道路、左转直行道路、右转直行道路等等。

通过本申请实施例，采用如下方式对第一组采集图像进行识别，确定第一组道路中每条道路上存在的对象数量，其中，每次进行识别的采集图像视为当前采集图像：获取当前采集图像对应的当前采集设备的部署位置，其中，第一组采集设备包括当前采集设备；在部署位置表示非路口位置的情况下，将当前采集图像识别到的对象确定为处于当前采集图像对应的道路；在部署位置表示路口位置的情况下，将当前采集图像识别到的对象确定为处于当前采集图像对应的道路的第一下游道路，以确定上述第一组道路中每条道路的道路覆盖比例，达到了促进交通可持续发展的技术效果。

作为一种可选的方案，对上述第一组采集图像进行识别，确定上述第一组道路中每条道路上存在的对象数量，包括：在目标数据库中第一对象数据已存在，且获取到第二对象数据的情况下，使用上述第二对象数据替换上述目标数据库中的上述第一对象数据，其中，上述第一对象数据用于指示在第一时刻识别到的对象数据，上述第二对象数据用于指示在第二时刻识别到的对象数据，上述第二时刻晚于上述第一时刻，上述对象数据用于指示识别到的对象在对应时刻所处的道路；在获取到上述第二对象数据，且上述目标数据库中未存在上述第一对象数据的情况下，将上述第二对象数据添加至上述目标数据库。

示例性地，上述目标数据库可以包括但不限于关系型数据库、非关系型数据库、面向数据库等，上述目标数据库中的存储内容可以包括但不限于上述第一组采集图像。

可选地，在本实施例中，上述第一对象数据以及上述第二对象数据可以包括但不限于车辆所处道路位置、车辆颜色、车辆类型、道路名称等，上述第一时刻所指示的时间早于上述第二时刻所指示的时间。

在一个示例性的实施例中，图6是根据本发明实施例的又一种拥堵道路的确定方法的具体流程示意图，如图6所示：

S602，第一组图像采集设备采集第一组道路图像，对其中一张道路图像进行预处理，在确定该道路图像包括道路以及目标车辆信息时，判断该目标车辆是否已被存储在道路拥堵指数存储服务；

S604，目标车辆已被存储在道路拥堵指数存储服务，也就是说在之前的道路图像中已经对目标车辆进行了信息存储，确定该目标车辆所处于的道路，此时删除原有的目标车辆对应道路信息；

S606，根据当前道路图像中提供的目标车辆所处道路信息进行更新，该目标车辆处于当前道路图像显示的目标车辆所在道路；

S608-1，对目标车辆的所处道路位置更新结束，当前道路构成拥堵，进行下一步的道路解析；

S608-2，对目标车辆的所处道路位置更新结束，当前道路不构成拥堵。

通过本申请实施例，采用对第一组采集图像进行识别，确定第一组道路中每条道路上存在的对象数量，包括：在目标数据库中第一对象数据已存在，且获取到第二对象数据的情况下，使用第二对象数据替换目标数据库中的第一对象数据，其中，第一对象数据用于指示在第一时刻识别到的对象数据，第二对象数据用于指示在第二时刻识别到的对象数据，第二时刻晚于第一时刻，对象数据用于指示识别到的对象在对应时刻所处的道路；在获取到第二对象数据，且目标数据库中未存在第一对象数据的情况下，将第二对象数据添加至目标数据库，提高了交通治理效率，达到了对交通违规行为进行及时处理的技术效果。

作为一种可选的方案，将上述道路覆盖比例满足预设条件的道路确定为目标拥堵道路，并获取由第二组图像采集设备针对上述目标拥堵道路采集到的第二组道路图像，包括：获取预先设置的拥堵道路阈值，其中，上述拥堵道路阈值用于与上述道路覆盖比例进行比较，以确定上述目标拥堵道路；在上述目标道路覆盖比例与上述拥堵道路阈值之间的取值关系满足上述预设条件的情况下，将上述目标道路确定为上述目标拥堵道路；根据上述目标拥堵道路获取由上述第二组图像采集设备采集到的上述第二组道路图像。

示例性地，上述拥堵道路阈值为预先确定好的，可以灵活调整。

需要说明的是，根据上述道路覆盖比例已经确定当前道路为拥堵道路，即根据上述拥堵道路阈值与上述通过计算得到的当前道路的道路覆盖比例进行对比，当上述拥堵道路阈值小于上述道路覆盖比例，将当前道路确定为拥堵道路，反之，当上述拥堵道路阈值大于上述道路覆盖比例，将当前道路确定为不拥堵道路。之后通过上述第二组图像采集设备进行上述拥堵道路的图像采集，确定为上述第二组道路图像。

通过本申请实施例，采用将道路覆盖比例满足预设条件的道路确定为目标拥堵道路，并获取由第二组图像采集设备针对目标拥堵道路采集到的第二组道路图像，包括：获取预先设置的拥堵道路阈值，其中，拥堵道路阈值用于与道路覆盖比例进行比较，以确定目标拥堵道路；在目标道路覆盖比例与拥堵道路阈值之间的取值关系满足预设条件的情况下，将目标道路确定为目标拥堵道路；根据目标拥堵道路获取由第二组图像采集设备采集到的第二组道路图像，达到了提高交通***的效率和安全性的技术效果。

作为一种可选的方案，对上述第二组道路图像进行分析，确定上述目标拥堵道路的拥堵源头，并根据上述拥堵源头确定上述目标拥堵道路的拥堵类型，包括：通过如下方式对上述第二组道路图像进行分析，确定上述目标拥堵道路的拥堵源头，其中，每次进行分析的道路图像视为当前分析图像，上述当前分析图像与当前分析道路对应：对上述当前分析图像中各个对象在上述当前分析道路所处位置进行分析，确定上述拥堵源头是否处于上述当前分析道路内部；在上述拥堵源头未处于上述当前分析道路内部，且上述当前分析道路的第二下游道路属于上述目标拥堵道路的情况下，将上述第二下游道路重新确定为上述当前分析道路进行分析，直到上述拥堵源头处于上述当前分析道路内部或者上述第二下游道路不属于上述目标拥堵道路；在上述拥堵源头处于上述当前分析道路内部的情况下，将上述当前分析道路确定为异常拥堵道路，其中，上述异常拥堵道路表示道路发生拥堵的原因在于上述当前分析道路的内部发生了异常事件，上述拥堵类型包括上述异常拥堵道路；在上述第二下游道路不属于上述目标拥堵道路的情况下，将上述当前分析道路确定为常规拥堵道路，其中，上述常规拥堵道路表示道路发生拥堵的原因在于上述当前分析道路的上游道路发生了拥堵，上述拥堵类型包括上述常规拥堵道路。

需要说明的是，在对上述第二组道路图像进行分析时，判断当前采集图像中的各个对象所处道路位置，进而获取上述目标拥堵道路的拥堵源头，其中，当前采集图像中包括上述目标拥堵道路。

示例性地，上述异常事件可以包括但不限于道路坍塌、交通事故、施工作业等。

在一个示例性的实施例中，图7是根据本发明实施例的又一种拥堵道路的确定方法的具体流程示意图，如图7所示：

目标道路706正在施工，其中有两处施工地点分别是702、704以及车辆，施工地点702以及施工地点704为目标道路706的拥堵源头，根据施工地点702以及施工地点704在所处目标道路706中的位置，确定目标道路的拥堵源头位于目标道路内部，即目标道路706确定为异常拥堵道路。

在又一个示例性的实施例中，如图3所示：

上方目标道路306为不拥堵道路，下方目标道路308为拥堵道路，且在下方目标道路308内部未找到拥堵源头，即目标道路308内部没有发生异常事件，进行目标道路308的下游道路图像采集，分析该下游道路图像是否发生拥堵，有无拥堵源头，若找到下游道路的拥堵源头，即确定为目标道路308发生拥堵的源头点为下游道路的拥堵源头，确定目标道路308为异常拥堵道路，反之，未找到下游道路的拥堵源头，下游道路在某一路段开始不拥堵，即确定目标道路308为常规拥堵道路。

示例性地，图8是根据本发明实施例的又一种拥堵道路的确定方法的具体流程示意图，如图8所示：

S802，获取第二组道路图像，将第二组道路图像传入图像解析服务判断当前目标道路是否拥堵；

S804，当前目标道路内部获取到拥堵点，即为异常拥堵道路；

S806，当前目标道路内部未获取到拥堵点，进入目标道路的下游道路判断，若找到下游道路的拥堵源头，即为异常拥堵道路，若下游道路在某一路段开始不拥堵，即确定目标道路为常规拥堵道路。

通过本申请实施例，采用对第二组道路图像进行分析，确定目标拥堵道路的拥堵源头，并根据拥堵源头确定目标拥堵道路的拥堵类型，达到了提高拥堵道路判别准确性的技术效果。

作为一种可选的方案，上述根据上述拥堵源头确定上述目标拥堵道路的拥堵类型之后，上述方法还包括：在预设显示区域按照不同显示策略显示上述目标拥堵道路，其中，上述显示策略与上述目标拥堵道路的拥堵类型相关；在上述拥堵类型指示为异常拥堵道路的情况下，显示上述拥堵源头关联的第一视频图像；在上述拥堵类型指示为上述常规拥堵道路的情况下，显示上述上游道路关联的第二视频图像。

示例性地，在确定目标拥堵道路以及拥堵点之后，在预设显示区域按照不同显示策略进行显示，例如将常规拥堵道路显示在常规拥堵控制显示区域，显示对应的常规拥堵道路视频图像，将异常拥堵道路显示在紧急拥堵控制显示区域，显示对应的异常拥堵道路视频图像。

通过本申请实施例，采用在预设显示区域按照不同显示策略显示目标拥堵道路，其中，显示策略与目标拥堵道路的拥堵类型相关；在拥堵类型指示为异常拥堵道路的情况下，显示拥堵源头关联的第一视频图像；在拥堵类型指示为常规拥堵道路的情况下，显示上游道路关联的第二视频图像，可以更为及时的发现交通违法行为和事故隐患，提高交通安全性。

显然，上述所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。

下面结合具体实施例对本发明进行具体说明：

本申请主要涉及大数据存储、实时流结构化数据计算分析、实时流非结构化数据(图像)解析转结构化技术领域，尤其涉及图像车辆识别技术。

本申请的发明构思在于先确认交通拥堵的直接评定标准，然后去准确计算该标准数值，最后用该标准数值来衡量拥堵，得出拥堵结果，最终用于拥堵的治理。

首先，本申请对于拥堵的标准认定为在单位面积上覆盖了多少面积的车(车辆覆盖的面积/道路的面积)，这个标准可以最直接的反应道路的拥堵情况，它是道路是否拥堵的直接反应，同时也是道路拥堵的直接表现。基于此标准的确认，进行需求转换，需要计算出任意时刻每条道路上面覆盖了多少辆车。

因为每一辆车可能会被统计多次，故在统计车辆时，需要去除重复出现的车辆，变更为：整个城市在路面上行驶的车辆实时位置处在哪个道路。然后再反过来计算各个道路上车辆的数量和覆盖面积，计算出具体拥堵道路后进行图像分析确认，更加准确的确认拥堵道路，并利用图像分析的功能找出拥堵源头点，拥堵道路及造成拥堵的源头，生成目标道路拥堵预警，用于拥堵实战治理。

基于以上描述，拥堵治理方案包括但不限于如下第一阶段：

目前城市行车道路上几乎完成覆盖了采集卡口，如图4所示，覆盖了所有车道，每个车道都有行车方向，包括直行、左转、右转、掉头、左转直行、右转直行具体情形：

S1，车辆B只能左转、车辆A只能直行、车辆C可以直行也可以左转，黑色大车只能右转。当车辆在当前道路上行驶，当他要进入下一个道路的前1秒已经可以预测这辆车将驶入哪个道路，针对像车辆C所在车道的即可直行也可左转的可以给一个概率数据，预测车辆C将会以一定概率左转进入到左转后的道路，以另一概率直行到直行后的道路，这是通过路口卡口第一组图像采集设备的采集信息来预测车辆行驶的下一个道路，以上是初步预测车辆驶入的第一组道路；

S2，当车辆驶入目标道路时，在目标道路的路中会也被第一组图像采集设备采集，这时候就可以对该车辆进行所在道路信息的纠偏，因为路中被采集，车辆确定在该道路，可以纠正像车辆C所在车道之前的概率性预测，转为确定行驶的道路并删除原先概率预测数据，以上是进行二次预测分析后确认的车辆目标道路。

其中，第一组图像采集设备一般是车辆要进入下一道路之前的最后一次被当前道路的卡口采集的卡口，非路口卡口是除了路口卡口之外，也可以是停车场出口或者是测速度卡口，而停车场入口也算是路口卡口，只是经过的车辆进入了停车场，车辆从城市道路消失，需要删除该车辆道路信息数据。上述路中卡口就是一种非路口卡口。

上述说明了车辆在行驶过程中，在城市道路之间切换的动态场景及各种变化，通过这些车辆的在道路之间切换的特点，可以通过采集数据准确定位车辆所在的道路，从而统计任一道路上车辆的实时数量。

下面阐述定位车辆道路信息的过程逻辑，如图3所示：

采集数据包含车道信息、道路信息、车辆信息，其中车道信息和道路信息是通过卡口采集通道设置产生，车辆信息摄像机解析，使得上述数据准确的在采集数据中上传。至此，通过采集车辆数据可以知道一辆车在哪条道路上哪个方向用什么转向方式行驶，采集数据实时接入后：

S1，判断是否存在合法车道信息和车辆信息，是则需要进行车辆及所在车道即时信息的缓存，判断是否存在当前车辆及所在车道信息，如果存在则覆盖更新，不存在则新增，上述逻辑保证每个车只存储当前所在车道的信息；反过来全市所有车道上的车辆也就存储起来了，这样每个道路的车辆就聚合在一起；

S2，按照道路拥堵去判断，当前道路是否构成拥堵，是则输出结果，待智能分析服务进行二次分析。其中道路的拥堵标准可以按照单位面积路面上占用多少辆车作为拥堵的临界值去确认，依据标准再进行等比例拥堵计算。

拥堵治理方案还包括但不限于如下第二阶段：

第一阶段是结构化大数据的存储及分析输出，基本可以确认拥堵路段，现对第一阶段的结果进行图像分析，完成拥堵路段的实时确认，这样可以进一步保障拥堵预警的准确性，并可以找出具体拥堵的源头点。

在城市道路上安装第二组图像采集设备，这些卡口实时接受第一阶段服务所产生的预警消息，通过预警消息对高位卡口进行采集触发，第二组图像采集设备拿到实时拥堵路段的预警信息，进行实时采集整条道路的场景大图，进行图片层面的拥堵分析。

解析服务器进行道路拥堵的分析，对照事先制定的车辆覆盖率拥堵标准判断道路是否拥堵，如图3所示的上下两条道路，上面的道路判定为不拥堵，下面的道路判断为拥堵。

如图7所示，目标道路上存在占道施工的情况：

S1，观察图7所示上下两个道路，上面的道路为不拥堵，下面的道路为拥堵，上面的道路与下面的道路均存在占道施工的情况，上面的道路过一些时间马上会造成拥堵。假设位于上面道路的施工地点往右移动一段距离，虽然也会造成拥堵，但是上面道路全道路来丈量拥堵是不会被认为拥堵的，因为在道路上面车辆的数量不多。

S2，如图7所示，两个因施工造成拥堵的拥堵可以被认为是拥堵的源头点。

例如，另一种目标道路可能出现的情况，其中，下发道路的拥堵一般不认为是拥堵源头点，如图3所示：

S1，当图像解析服务器解析图片的时候会甄别拥堵类型；

S2，如果是非源头点拥堵的道路则需要去查找下游道路，去分析下游道路的拥堵情况，如果还是非源头点拥堵的再继续找下游道路去分析拥堵，直到找到源头拥堵点道路或者不拥堵道路，至此，找出了拥堵的终点。

拥堵的终点一般是两种情况：

其中一种是异常拥堵终点，如图7，或者交通事故造成连续多条道路拥堵，这种拥堵终点的道路的表现是红绿灯方向侧道路不拥堵，非红绿灯方向侧拥堵，而整条道路来计算可能拥堵可能不拥堵，取决于异常点在道路的位置，对于异常点开始到道路末端是拥堵的；

另一种为正常拥堵终点，如图3，这种是解析服务找到的拥堵终点是一个不拥堵的道路，该目标道路的表现是红绿灯方向侧道路不拥堵，非红绿灯方向侧没有车辆(参考图3上面道路)，而上游方向的道路则开始拥堵了。

高位图像解析算拥堵结果的流程如图8所示：

S1，解析服务器先接受第一阶段的拥堵道路传入；

S2，解析服务器分析各个拥堵道路高位图像，确认拥堵状况；

S3，如果是常规拥堵则迭代解析下游道路高位图像的车辆拥堵情况，直到计算出拥堵终点结束，拥堵终点是不拥堵道路或者异常拥堵道路。

拥堵治理方案包括但不限于第三阶段：

经过图像解析服务器的智能分析，输出拥堵信息，包括所有的拥堵道路、异常拥堵预警，拥堵源头点。

利用以上结果数据展开实战应用，把以上拥堵数据进行结构化预警，并配合指挥中心大屏实时投放拥堵道路、源头拥堵点道路、异常拥堵道路。指挥中心依据实时投放的拥堵预警道路视频，完成即时的拥堵治理，比如直接投入警力完成交通梳理工作。

同时这些拥堵的结构化数据需要存入到拥堵知识库，在后台进行统计、分级、数据挖掘、智能预测等，为后续彻底完成拥堵治理的任务给出指导意见，比如需要重新规划道路、在高峰期增派警力等。

综上，本申请方案三个阶段的流程总览如图5所示：

S1，车辆采集数据通过第二组图像采集设备专拍服务传入大数据分析服务，大数据分析服务实时存储车辆行车的行为特征，包括所在道路信息(道路方向、车道数等)、所在车道及限制的行车方向，实时存储道路包含的车辆信息；

S2，大数据分析服务同时实时分析当前传入的车道信息是否达到拥堵标准，如果达到拥堵标准则触发拥堵道路第二组图像采集设备对整条道路进行采集，采集数据传入解析服务；

S3，解析服务实时接受大数据分析服务传入的拥堵道路信息及第二组图像采集设备采集场景图，进行二次拥堵道路分析并确认拥堵；

S4，输出拥堵结果到交接指挥中心平台完成预警信息预警展示，对交通拥堵进行即时指导疏通，同时对拥堵信息进行记录，生成拥堵知识库，支撑后续的长期拥堵治理和城市道路的改建规划。

本申请方案是基于即时的车辆采集道路特征信息结合高位场景图采集完成结构化分析及进一步的非结构化巩固分析，从而助力交通行业完成拥堵治理。本申请有如下优势：

S1，通过即时采集信息的角度分析拥堵，能直观并准确的分析出车辆的行为信息，解耦了所有的影响交通拥堵分析的因素；

S2，通过大数据服务实时分析车辆行为，能够实时的分析拥堵情况，完成拥堵计算，不存在其他方案的延迟问题；

S3，通过场景图的解析进行智能分析拥堵，能进一步巩固结构化拥堵数据的分析结果极致得以提高拥堵分析的准确性；

S4，通过拥堵道路高位采集及道路采集关联，拥堵道路的视频实时预警投放，完成应用层面拥堵治理的闭环，及数据层支持后续的知识库拥堵分析功能。

通过本申请实施例，利用车辆采集数据，实时提取车辆信息和道路信息的关联，完成车辆即时道路行驶的行为分析，这种方式的分析是准确的，原子性的(车多就等于拥堵)，分析的结果不受外界因素影响，数据出自于图像采集设备的设置和车辆的采集图像分析；对于后续拥堵分析的支持是直接的，不像用速度、时间、距离等间接拥堵衡量参数来支撑拥堵受很多人为突发事件等因素的影响；本申请不仅包括结构化数据分析，还增加了非结构化场景大图解析的拥堵分析，进一步巩固了拥堵计算的准确性，并且利用非结构化分析及结构化分析结合还突出了视频的拥堵点智能筛选展示，直观且闭环的完成拥堵的反馈，通过知识库的分析可进一步完成长久的拥堵治理，同时可以对道路建设得规划提供参考；本申请创造性的对拥堵进行再细化，对于道路拥堵从造成拥堵原因进行细分，更细化的分析拥堵的细节，而不是仅仅只分析出是否拥堵，对于拥堵种类进行区分有利于拥堵的治理，部分的拥堵道路无需治理，因为它是受源头点拥堵道路影响，只需治理好源头点的拥堵，这部分道路将不再拥堵，更精准化的实施拥堵治理，大幅提升拥堵治理成本以及后续城市道路规划的合理性；本申请的计算算力相比于其他拥堵算法大幅下降，方案第一部分的待分析结果数据量级是百万级，第二阶段的图像解析并不是所有道路的快照，而是经过第一阶段分析后准确定位拥堵范围后的量，降低了后台计算平台服务器的规模和成本；完成道路拥堵知识库存储，从长久的角度，更加准确的定性拥堵道路，为拥堵治理加强准确性。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。

在本实施例中还提供了一种拥堵道路的确定装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图9是根据本发明实施例的城市交通拥堵计算及治理装置的结构框图，如图9所示，该装置包括：

第一获取模块902，用于获取由第一组图像采集设备采集到的第一组道路图像，其中，第一组道路图像包括待识别的对象；

识别模块904，用于对所述第一组道路图像进行识别，根据各个道路图像中识别到的对象与所处道路的对应关系确定第一组道路中每条道路对应的道路覆盖比例，其中，道路覆盖比例用于表示对应道路上的对象面积和道路面积之间的比值，对象面积表示对象在对应道路上所覆盖的面积，道路面积表示对应道路的面积，第一组道路图像与第一组道路具有对应关系；

第二获取模块906，用于将道路覆盖比例满足预设条件的道路确定为目标拥堵道路，并获取由第二组图像采集设备针对目标拥堵道路采集到的第二组道路图像；

分析模块908，用于对第二组道路图像进行分析，确定目标拥堵道路的拥堵源头，并根据拥堵源头确定目标拥堵道路的拥堵类型，其中，拥堵源头用于确定造成目标拥堵道路发生拥堵的道路位置，拥堵类型包括拥堵源头处于目标拥堵道路的内部或外部。

作为一种可选的方案，所述装置通过如下方式对所述第一组道路图像进行识别，确定第一组道路中每条道路的道路覆盖比例：对所述第一组道路图像进行识别，确定所述第一组道路中每条道路上存在的对象数量；根据单位对象面积和所述对象数量确定所述第一组道路中每条道路上对象所占用的对象总面积；获取所述第一组道路中每条道路的道路面积；将目标道路对应的所述对象总面积和所述目标道路对应的道路面积的比值确定为所述目标道路关联的目标道路覆盖比例，以确定所述第一组道路中每条道路的道路覆盖比例。

作为一种可选的方案，所述装置通过如下方式对所述第一组道路图像进行识别，确定所述第一组道路中每条道路上存在的对象数量：其中，每次进行识别的采集图像视为当前采集图像，获取所述当前采集图像对应的当前采集设备的部署位置，其中，所述第一组采集设备包括所述当前采集设备；在所述部署位置表示非路口位置的情况下，将所述当前采集图像识别到的对象确定为处于所述当前采集图像对应的道路；在所述部署位置表示路口位置的情况下，将所述当前采集图像识别到的对象确定为处于所述当前采集图像对应的道路的第一下游道路，其中，所述第一下游道路根据所述当前采集图像识别到的对象所在车道的行驶方向确定。

作为一种可选的方案，所述装置通过如下方式对所述第一组道路图像进行识别，确定所述第一组道路中每条道路上存在的对象数量：在目标数据库中第一对象数据已存在，且获取到第二对象数据的情况下，使用所述第二对象数据替换所述目标数据库中的所述第一对象数据，其中，所述第一对象数据用于指示在第一时刻识别到的对象数据，所述第二对象数据用于指示在第二时刻识别到的对象数据，所述第二时刻晚于所述第一时刻，所述对象数据用于指示识别到的对象在对应时刻所处的道路；在获取到所述第二对象数据，且所述目标数据库中未存在所述第一对象数据的情况下，将所述第二对象数据添加至所述目标数据库。

作为一种可选的方案，所述装置通过如下方式将所述道路覆盖比例满足预设条件的道路确定为目标拥堵道路，并获取由第二组图像采集设备针对所述目标拥堵道路采集到的第二组道路图像：获取预先设置的拥堵道路阈值，其中，所述拥堵道路阈值用于与所述道路覆盖比例进行比较，以确定所述目标拥堵道路；在所述目标道路覆盖比例与所述拥堵道路阈值之间的取值关系满足所述预设条件的情况下，将所述目标道路确定为所述目标拥堵道路；根据所述目标拥堵道路获取由所述第二组图像采集设备采集到的所述第二组道路图像。

作为一种可选的方案，所述装置通过如下方式对所述第二组道路图像进行分析，确定所述目标拥堵道路的拥堵源头，并根据所述拥堵源头确定所述目标拥堵道路的拥堵类型：其中，每次进行分析的道路图像视为当前分析图像，所述当前分析图像与当前分析道路对应，对所述当前分析图像中各个对象在所述当前分析道路所处位置进行分析，确定所述拥堵源头是否处于所述当前分析道路内部；在所述拥堵源头未处于所述当前分析道路内部，且所述当前分析道路的第二下游道路属于所述目标拥堵道路的情况下，将所述第二下游道路重新确定为所述当前分析道路进行分析，直到所述拥堵源头处于所述当前分析道路内部或者所述第二下游道路不属于所述目标拥堵道路；在所述拥堵源头处于所述当前分析道路内部的情况下，将所述当前分析道路确定为异常拥堵道路，其中，所述异常拥堵道路表示道路发生拥堵的原因在于所述当前分析道路的内部发生了异常事件，所述拥堵类型包括所述异常拥堵道路；在所述第二下游道路不属于所述目标拥堵道路的情况下，将所述当前分析道路确定为常规拥堵道路，其中，所述常规拥堵道路表示道路发生拥堵的原因在于所述当前分析道路的上游道路发生了拥堵，所述拥堵类型包括所述常规拥堵道路。

作为一种可选的方案，所述装置还用于：所述根据所述拥堵源头确定所述目标拥堵道路的拥堵类型之后，在预设显示区域按照不同显示策略显示所述目标拥堵道路，其中，所述显示策略与所述目标拥堵道路的拥堵类型相关；在所述拥堵类型指示为异常拥堵道路的情况下，显示所述拥堵源头关联的第一视频图像；在所述拥堵类型指示为所述常规拥堵道路的情况下，显示所述上游道路关联的第二视频图像。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。

本发明的实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种拥堵道路的确定方法，其特征在于，包括：

获取由第一组图像采集设备采集到的第一组道路图像，其中，所述第一组道路图像包括待识别的对象；

对所述第一组道路图像进行识别，根据各个道路图像中识别到的对象与所处道路的对应关系确定第一组道路中每条道路对应的道路覆盖比例，其中，所述道路覆盖比例用于表示对应道路上的对象面积和道路面积之间的比值，所述对象面积表示所述对象在所述对应道路上所覆盖的面积，所述道路面积表示所述对应道路的面积，所述第一组道路图像与所述第一组道路具有对应关系；

将所述道路覆盖比例满足预设条件的道路确定为目标拥堵道路，并获取由第二组图像采集设备针对所述目标拥堵道路采集到的第二组道路图像；

对所述第二组道路图像进行分析，确定所述目标拥堵道路的拥堵源头，并根据所述拥堵源头确定所述目标拥堵道路的拥堵类型，其中，所述拥堵源头用于确定造成所述目标拥堵道路发生拥堵的道路位置，所述拥堵类型包括所述拥堵源头处于所述目标拥堵道路的内部或外部。

2.根据权利要求1所述的方法，其特征在于，对所述第一组道路图像进行识别，确定第一组道路中每条道路的道路覆盖比例，包括：

对所述第一组道路图像进行识别，确定所述第一组道路中每条道路上存在的对象数量；

根据单位对象面积和所述对象数量确定所述第一组道路中每条道路上对象所占用的对象总面积；

获取所述第一组道路中每条道路的道路面积；

将所述目标道路对应的所述对象总面积和所述目标道路对应的道路面积的比值确定为所述目标道路关联的目标道路覆盖比例，以确定所述第一组道路中每条道路的道路覆盖比例。

3.根据权利要求2所述的方法，其特征在于，对所述第一组道路图像进行识别，确定所述第一组道路中每条道路上存在的对象数量，包括：

通过如下方式对所述第一组道路图像进行识别，确定所述第一组道路中每条道路上存在的对象数量，其中，每次进行识别的采集图像视为当前采集图像：

获取所述当前采集图像对应的当前采集设备的部署位置，其中，所述第一组采集设备包括所述当前采集设备；

在所述部署位置表示非路口位置的情况下，将所述当前采集图像识别到的对象确定为处于所述当前采集图像对应的道路；

在所述部署位置表示路口位置的情况下，将所述当前采集图像识别到的对象确定为处于所述当前采集图像对应的道路的第一下游道路，其中，所述第一下游道路根据所述当前采集图像识别到的对象所在车道的行驶方向确定。

4.根据权利要求2所述的方法，其特征在于，对所述第一组道路图像进行识别，确定所述第一组道路中每条道路上存在的对象数量，包括：

在目标数据库中第一对象数据已存在，且获取到第二对象数据的情况下，使用所述第二对象数据替换所述目标数据库中的所述第一对象数据，其中，所述第一对象数据用于指示在第一时刻识别到的对象数据，所述第二对象数据用于指示在第二时刻识别到的对象数据，所述第二时刻晚于所述第一时刻，所述对象数据用于指示识别到的对象在对应时刻所处的道路；

在获取到所述第二对象数据，且所述目标数据库中未存在所述第一对象数据的情况下，将所述第二对象数据添加至所述目标数据库。

5.根据权利要求2所述的方法，其特征在于，将所述道路覆盖比例满足预设条件的道路确定为目标拥堵道路，并获取由第二组图像采集设备针对所述目标拥堵道路采集到的第二组道路图像，包括：

获取预先设置的拥堵道路阈值，其中，所述拥堵道路阈值用于与所述道路覆盖比例进行比较，以确定所述目标拥堵道路；

在所述目标道路覆盖比例与所述拥堵道路阈值之间的取值关系满足所述预设条件的情况下，将所述目标道路确定为所述目标拥堵道路；

根据所述目标拥堵道路获取由所述第二组图像采集设备采集到的所述第二组道路图像。

6.根据权利要求1所述的方法，其特征在于，对所述第二组道路图像进行分析，确定所述目标拥堵道路的拥堵源头，并根据所述拥堵源头确定所述目标拥堵道路的拥堵类型，包括：

通过如下方式对所述第二组道路图像进行分析，确定所述目标拥堵道路的拥堵源头，其中，每次进行分析的道路图像视为当前分析图像，所述当前分析图像与当前分析道路对应：

对所述当前分析图像中各个对象在所述当前分析道路所处位置进行分析，确定所述拥堵源头是否处于所述当前分析道路内部；

在所述拥堵源头未处于所述当前分析道路内部，且所述当前分析道路的第二下游道路属于所述目标拥堵道路的情况下，将所述第二下游道路重新确定为所述当前分析道路进行分析，直到所述拥堵源头处于所述当前分析道路内部或者所述第二下游道路不属于所述目标拥堵道路；

在所述拥堵源头处于所述当前分析道路内部的情况下，将所述当前分析道路确定为异常拥堵道路，其中，所述异常拥堵道路表示道路发生拥堵的原因在于所述当前分析道路的内部发生了异常事件，所述拥堵类型包括所述异常拥堵道路；

在所述第二下游道路不属于所述目标拥堵道路的情况下，将所述当前分析道路确定为常规拥堵道路，其中，所述常规拥堵道路表示道路发生拥堵的原因在于所述当前分析道路的上游道路发生了拥堵，所述拥堵类型包括所述常规拥堵道路。

7.根据权利要求6所述的方法，其特征在于，所述根据所述拥堵源头确定所述目标拥堵道路的拥堵类型之后，所述方法还包括：

在预设显示区域按照不同显示策略显示所述目标拥堵道路，其中，所述显示策略与所述目标拥堵道路的拥堵类型相关；

在所述拥堵类型指示为异常拥堵道路的情况下，显示所述拥堵源头关联的第一视频图像；

在所述拥堵类型指示为所述常规拥堵道路的情况下，显示所述上游道路关联的第二视频图像。

8.一种拥堵道路的确定装置，其特征在于，包括：

第一获取模块，用于获取由第一组图像采集设备采集到的第一组道路图像，其中，所述第一组道路图像包括待识别的对象；

识别模块，用于对所述第一组道路图像进行识别，根据各个道路图像中识别到的对象与所处道路的对应关系确定第一组道路中每条道路对应的道路覆盖比例，其中，所述道路覆盖比例用于表示对应道路上的对象面积和道路面积之间的比值，所述对象面积表示所述对象在所述对应道路上所覆盖的面积，所述道路面积表示所述对应道路的面积，所述第一组道路图像与所述第一组道路具有对应关系；

第二获取模块，用于将所述道路覆盖比例满足预设条件的道路确定为目标拥堵道路，并获取由第二组图像采集设备针对所述目标拥堵道路采集到的第二组道路图像；

分析模块，用于对所述第二组道路图像进行分析，确定所述目标拥堵道路的拥堵源头，并根据所述拥堵源头确定所述目标拥堵道路的拥堵类型，其中，所述拥堵源头用于确定造成所述目标拥堵道路发生拥堵的道路位置，所述拥堵类型包括所述拥堵源头处于所述目标拥堵道路的内部或外部。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现所述权利要求1至7任一项中所述的方法的步骤。

10.一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述权利要求1至7任一项中所述的方法的步骤。